Glosario de generación de imágenes y videos con IA: 60 términos desde checkpoint hasta VAE, explicados en una línea cada uno
Resumen
Cada comunidad inventa un vocabulario y esta inventó uno grande rápido. El glosario abajo es la referencia que asumen las otras guías en este sitio; cada término tiene una frase, la familia o herramienta a la que pertenece cuando importa, y la guía más larga para leer después. Los términos están agrupados: modelos y arquitecturas, archivos, configuraciones, técnicas, prompting, video, hardware.
Las familias en este sitio (Flux, SDXL, Wan y demás) se explican en sus propias páginas centrales, y cada página de modelo muestra los términos en uso: su tipo, su familia, sus palabras clave, sus configuraciones recomendadas. Si una palabra en una página de modelo no está aquí, el chat de la comunidad enlazado desde las FAQ es el lugar para preguntar.
Referencia
Nombre | Tipo | Qué es |
|---|---|---|
Checkpoint / base model | file | Los pesos completos del modelo en un solo archivo (o unos pocos archivos para modelos de la era Flux). Funciona solo. Mira checkpoint vs LoRA vs embedding. |
Fine-tune | model | Un checkpoint reentrenado con datos nuevos (DreamShaper, Illustrious, Pony). Misma arquitectura que su base. |
Merge | model | |
LoRA / LyCORIS / DoRA | file | Un pequeño complemento que cambia el comportamiento de un checkpoint; necesita una palabra clave y un peso. Mira la guía de LoRA. |
Embedding / textual inversion | file | Un token aprendido para el codificador de texto, escrito por nombre; mayormente embeddings negativos en SD 1.5 y SDXL. |
VAE | component | Codificador/decodificador entre píxeles y latentes; un VAE incorrecto significa colores lavados. |
Text encoder (CLIP, T5, LLM) | component | Convierte el prompt en números; decide el dialecto del prompt (etiquetas vs oraciones). |
U-Net / DiT / MMDiT | architecture | |
MoE (mixture of experts) | architecture | Varios sub-modelos de los cuales uno corre por paso (Wan 2.2 expertos de ruido alto/bajo, HunyuanImage 3). |
Diffusion / flow matching | training | Aprender a quitar ruido paso a paso; flow matching es la formulación más directa desde 2024+. Mira cómo funcionan los modelos. |
Distilled (Turbo, Lightning, Schnell, Klein, Hyper) | model | |
Guidance-distilled | model | |
precision | ||
Safetensors / ckpt | format | Formato seguro solo tensor vs pickle que ejecuta código. Mira descargas seguras. |
Steps | setting | Iteraciones de denoise; 20-30 normal, 4-8 destilado. |
CFG scale | setting | |
Sampler / scheduler | setting | Método numérico y curva de ruido (Euler, DPM++ 2M; Karras, simple, beta). |
Seed | setting | El ruido inicial; semilla fija, imagen repetible. |
Denoise | setting | |
Shift / sigma | setting | |
Latent | concept | La imagen comprimida en la que trabaja el denoiser (tamaño 1/8 o 1/16). |
Resolution / native size | concept | |
Hires-fix | technique | Segunda pasada de difusión a tamaño mayor durante la generación. Mira escalado. |
Upscaler (ESRGAN, SwinIR) | technique | Red neuronal para agrandar píxeles que corre después de generar. |
technique | ||
Inpainting / outpainting | technique | Regenerar un área enmascarada / extender el lienzo. |
ControlNet / T2I-Adapter | technique | |
IP-Adapter / Redux / reference | technique | Condicionamiento de estilo o identidad basado en imagen. |
Face detailer / ADetailer | technique | Máscara automática de cara más inpaint a mayor resolución. |
Tiled diffusion / Ultimate SD Upscale | technique | |
Prompt / negative prompt | prompting | |
Trigger word | prompting | |
Weight (word:1.3) | prompting | Énfasis de atención en modelos CLIP. |
Quality tags / score tags | prompting | |
Token limit (77) | prompting | |
Prompt bleeding | prompting | Un atributo que se asigna al objeto equivocado. |
T2I / T2V / I2V / TI2V / V2V | video | Texto a imagen / texto a video / imagen a video / ambos / video a video. |
Frames and fps | video | |
High-noise / low-noise expert | video | |
First / last frame | video | Condicionamiento de keyframe (FLF2V) para movimiento controlado. |
VACE / Fun ControlNet | video | |
Frame interpolation (RIFE, FILM) | video | Generar frames intermedios para aumentar fps. |
VRAM / offloading / block swap | hardware | |
CUDA / MPS / ROCm | hardware | Backends de cómputo NVIDIA / Apple / AMD. |
tool | ||
Custom node | tool | |
Heat score | this site | Qué tan popular está un modelo ahora, por descargas, usos y búsquedas; explicado en la página de FAQ. |
Paso a paso
- Lee una página de modelo de arriba a abajo con el glosario abierto: tipo, familia, palabras clave, línea de configuraciones bajo cada ejemplo.
- Elige tres términos que te confundieron y lee la guía enlazada para cada uno; las guías están escritas para que este glosario sea suficiente contexto.
- Cuando veas un término nuevo en un hilo del foro, verifica si es un archivo, una configuración, una técnica o un término de video; la mayoría de confusiones vienen de mezclar esas categorías.
- Vuelve cuando aparezca una familia nueva; las páginas centrales agregan sus propios términos (expertos Wan 2.2, guidance Flux) y esta lista se actualiza con ellos.
Ejemplos
Una línea de configuraciones en una página de modelo, decodificada
"<lora:zavy-cinematic-xl:0.7> zavy cinematic, ... | 1024x1024 | DPM++ 2M Karras | 28 steps | CFG 6 | seed 4471"
LoRA at weight 0.7 with its trigger word; native SDXL size; sampler + scheduler; 28 denoising steps; CFG 6; fixed seed
Nombre de workflow Wan 2.2, decodificado
wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors -> Wan 2.2, image to video, the high-noise expert, 14B parameters, fp8 precision, safetensors format
Consejos
- "Modelo" significa checkpoint en la mayoría de frases, pero en este sitio "modelo" es cualquier entrada del catálogo incluyendo LoRAs; la etiqueta de tipo te dice cuál.
- Los términos de video son las mismas ideas con un eje de tiempo; si sabes T2I e img2img sabes T2V e I2V.
- Los socios en la nube usan el mismo vocabulario: las flags de PirateDiffusion son /steps, /guidance, /seed, /size; el panel de BitVector usa los mismos nombres.
Solución de problemas
Dos fuentes usan la misma palabra diferente
Por qué ocurre
Cómo arreglarlo
Fíjate en la familia: CFG para SD/SDXL, guidance para Flux.
"Modelo" en Civitai significa otra cosa que aquí
Por qué ocurre
Civitai agrupa versiones bajo un modelo; este sitio lista cada versión por separado.
Cómo arreglarlo
Haz match por hash, no por nombre.
Una configuración nombrada en una página de modelo falta en mi UI
Por qué ocurre
Nombres diferentes en la UI (denoising strength vs denoise; hires steps vs second pass).
Cómo arreglarlo
Preguntas
¿Checkpoint es lo mismo que modelo?
En uso común sí. Estrictamente, un checkpoint es el archivo guardado de un modelo.
¿Cuál es la diferencia entre guidance y CFG?
CFG es guidance sin clasificador aplicado en tiempo de ejecución en SD y SDXL; el dev de Flux lo tiene destilado y muestra un solo número de guidance.
¿Dónde están las palabras específicas de video?
En el grupo de video arriba y en las páginas de familia Wan, LTX y H3; la guía para empezar en video las recorre.
¿Necesito saber todo esto para hacer imágenes?
No. Familia, palabra clave y denoise cubren el 80% de problemas; el resto lo aprendes cuando lo encuentras.
Enlaces y fuentes
Modelos de esta guía
Escrito por
Dirige este barco. Tiene opiniones sobre los tiempos de decodificación VAE que nadie pidió. Cree que los pesos quieren ser libres y que cualquier modelo que no puedas descargar es una suscripción con pasos extra. No responderá preguntas sobre los 400 GB de checkpoints en el NAS.
Todas las guías de Captain
Guías relacionadas
Primeros pasos con la generación de imágenes por IA: tu primera imagen en diez minutos
14 de ago de 2025
Cómo funcionan los modelos generativos de imágenes AI: difusión, latentes y codificadores de texto explicados de forma sencilla
28 de ago de 2025
Checkpoint vs LoRA vs embedding vs ControlNet: qué hace cada archivo
8 de oct de 2025
Pasos, CFG, muestreadores, planificadores y semillas: explicación de los ajustes de generación con valores seguros
19 de nov de 2025
Generación de video con IA para principiantes: de imagen a video, de texto a video y el primer clip con Wan, LTX-2 y H3
29 de abr de 2026
Conceptos básicos para escribir prompts para imágenes AI: estructura, orden, pesos y los dos dialectos de prompt
22 de oct de 2025
Más guías
Guía de GPU y VRAM para imágenes y videos AI: qué necesita cada modelo y qué comprar (o no)
7 de ene de 2026
Ejecutar modelos de imagen y video de IA en GPUs AMD (guía 2026)
7 de oct de 2026
Requisitos de VRAM para todos los modelos populares de IA para imágenes y video (2026): precisión completa, FP8 y GGUF
6 de oct de 2026
Qué es un LoRA y cómo usar uno en ComfyUI, Forge, Automatic1111 y en la nube
20 de may de 2026
CUDA sin memoria: cuánto VRAM necesita cada modelo de IA y cómo ajustarlo
18 de may de 2026